CA2279400C - Methode de detection automatique des heterogeneites planaires recoupant la stratification d'un milieu - Google Patents
Methode de detection automatique des heterogeneites planaires recoupant la stratification d'un milieu Download PDFInfo
- Publication number
- CA2279400C CA2279400C CA002279400A CA2279400A CA2279400C CA 2279400 C CA2279400 C CA 2279400C CA 002279400 A CA002279400 A CA 002279400A CA 2279400 A CA2279400 A CA 2279400A CA 2279400 C CA2279400 C CA 2279400C
- Authority
- CA
- Canada
- Prior art keywords
- image
- stratification
- heterogeneities
- planar
- well
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000013517 stratification Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 description 8
- 238000009499 grossing Methods 0.000 description 6
- 244000000626 Daucus carota Species 0.000 description 5
- 235000002767 Daucus carota Nutrition 0.000 description 5
- 238000010606 normalization Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 206010011878 Deafness Diseases 0.000 description 2
- 208000035126 Facies Diseases 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000003475 lamination Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000002763 arrhythmic effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 150000001768 cations Chemical class 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013503 de-identification Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000004392 genitalia Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 210000003934 vacuole Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
Abstract
Cette méthode de détection automatique des hétérogénéités planaires recoupan t la stratification d'un milieu à partir d'images de paroi de puits ou déroulés de carottes dudi t milieu, dans laquelle on utilise une image d'origine définie dans un système d'axes (X1, Y1, Z1) lié au puits dont l'axe est Z1, ladite image contenant, pour une zone du milieu traversé par le puits, des hétérogénéités planaires constituées par des plans de stratification (2 à 14 ) et par des hétérogénéités planaires (15 à 23) sécantes aux plans de stratification, et elle est caractérisée en ce qu'elle consiste à: déterminer une orientation dominante des plans de stratification situés dans au moins une partie de ladite image d'origine, filtrer l'image d'origine pour élimine r les hétérogénéités planaires des plans de stratification (2 à 14) situés dans la direction dominante, déterminer sur ladite image filtrée au moins des segments de contour (15' à 23') des hétérogénéités sécantes aux hétérogénéités planaires de stratification.
Description
Méthode de clétection automatique des hétérogénéités planaires recoupant la stratification d'un milieu La présente invention concerne une méthode de détection automatique des liétérogénéités planaires recoupant la stratification d'un milieu à partir d''images de paroi de puits ou de déroulés de carottes prélevées dans ledit milieu.
Des oiutils désignés sous les références FMI (Fullbore Formation Micro Imager) et FMS (Formation Micro Scanner), commercialisés par la société SCHLUMBERGER, permettent d' acquérir des images électriiques à partir de mesures de la conductivité électrique locale de la paroi d'un puits.
Une iniage électrique de la paroi d'un puits est une vue développée qui présente sur un plan, un axe x horizontal représentant la distribution azimutale des électrodes des patins de l'outil utilisé, et un axe y vertical le long duquel est définie la profondeur (cote) de l'outil dans le puits.
L'image électrique de la paroi d'un puits ou l'image d'un déroulé de carotte est analysée en terme d'hétérogénéités planaires et d'hétérogénéités ponctuelles.
Du point de vue de l'analyse d'image, les hétérogénéités planaires, présenl:es sur l'image, peuvent être catégorisées par leur conductivité par rapport au fond de l'image, leur netteté (contraste de niveau de gris), leur organisation (isolées ou regroupées par famille), leur fréquence (haute ou basse fréquence selon la direction et la profondeur) et leur visibilité (visible sur toute l'image ou seulement sur une partie de l' image) .
Ainsi, sur une image de paroi de puits à haute résolution et/ou l'image déroulée de carotte, deux grands types d'hétérogénéités géologiques peuvent être observés. Le premier type est généralement un événement géologiique sécant au puits de forage qui présente une étendue largement supérieure au diamètre du puits, comme les plans de stratification et de fracturation, alors que le deuxième type présente une
Des oiutils désignés sous les références FMI (Fullbore Formation Micro Imager) et FMS (Formation Micro Scanner), commercialisés par la société SCHLUMBERGER, permettent d' acquérir des images électriiques à partir de mesures de la conductivité électrique locale de la paroi d'un puits.
Une iniage électrique de la paroi d'un puits est une vue développée qui présente sur un plan, un axe x horizontal représentant la distribution azimutale des électrodes des patins de l'outil utilisé, et un axe y vertical le long duquel est définie la profondeur (cote) de l'outil dans le puits.
L'image électrique de la paroi d'un puits ou l'image d'un déroulé de carotte est analysée en terme d'hétérogénéités planaires et d'hétérogénéités ponctuelles.
Du point de vue de l'analyse d'image, les hétérogénéités planaires, présenl:es sur l'image, peuvent être catégorisées par leur conductivité par rapport au fond de l'image, leur netteté (contraste de niveau de gris), leur organisation (isolées ou regroupées par famille), leur fréquence (haute ou basse fréquence selon la direction et la profondeur) et leur visibilité (visible sur toute l'image ou seulement sur une partie de l' image) .
Ainsi, sur une image de paroi de puits à haute résolution et/ou l'image déroulée de carotte, deux grands types d'hétérogénéités géologiques peuvent être observés. Le premier type est généralement un événement géologiique sécant au puits de forage qui présente une étendue largement supérieure au diamètre du puits, comme les plans de stratification et de fracturation, alors que le deuxième type présente une
2 PCT/FR98/02705 extension radiale et verticale limitée à l'échelle du puits et du dispositif d'acquisition, comme les vacuoles, les nodules ou les perturbations du type bioturbation., etc...
Une hétérogénéité planaire est observée sur une image sous la forme d'une sinusoïde d'équation générale y = d + A (sin x+(D), dans laquelle l' amplitude A et la phase (D correspondent respectivement au pendage et à l' az;imut du plan intersectant le puits lorsque le plan et l'axe du puits ne sont pas parallèles, d étant la profondeur à laquelle est repérée la sinusoïde.
Les critères de catégorisation rappelés ci-dessus permettent souvent de reconnaître la signification géologique de l'hétérogénéité
planaire : stratification ou fracturation. La stratification est généralement considérée commi: l'hétérogénéité planaire dominante sur l'image ; elle est l'événement le plus visible, indique l'orientation dominante de l'image et elle est organisée en familles (une famille par niveau).
La facturation est un événement plus occasionnel, isolé, sécant à la stratification, souvent visible partiellement et plusieurs familles différentes de fractures peuvent être reconnues sur un même niveau.
Des méthodes de détection automatique des plans de stratifi-cation ont été proposées. Une des méthodes concerne les plans de litage à
haute fréquence et une autre méthode concerne les limites de bancs.
De telles méthodes sont notamment décrites dans la demande de brevet FR-A-2 749 405 et dans des publications telles que celle de S-J. Ye, J.
Shen & N. Keskes (1995), "Automatic Identification of bedding planes from electrical borehole images", 9' Scandinavian Conferences on Image Analysis, 6-9 June; 95, Uppsala, Sweden, et de S-J. Ye, Ph. Rabiller & N.
Keskes (1997), "Automatic High resolution sedimentary dip detection on borehole imagery", SPWLA 38th Annual Logging Symposium, paper O.
Ces méthodes per=mettent de détecter l'hétérogénéité planaire dominante sans être perturbées par les autres hétérogénéités planaires ou ponctuelles.
Dans la plupart des cas, en raison de la grande diversité des faciès rencontrés, la détection automatique des fractures est perturbée par l'interférence des différents types de plans et des autres hétérogénéités.
D'autres méthodes de détection d'hétérogénéités ont été
proposées dans la littérature, comme celles divulguées par J.N. Antoine &
Une hétérogénéité planaire est observée sur une image sous la forme d'une sinusoïde d'équation générale y = d + A (sin x+(D), dans laquelle l' amplitude A et la phase (D correspondent respectivement au pendage et à l' az;imut du plan intersectant le puits lorsque le plan et l'axe du puits ne sont pas parallèles, d étant la profondeur à laquelle est repérée la sinusoïde.
Les critères de catégorisation rappelés ci-dessus permettent souvent de reconnaître la signification géologique de l'hétérogénéité
planaire : stratification ou fracturation. La stratification est généralement considérée commi: l'hétérogénéité planaire dominante sur l'image ; elle est l'événement le plus visible, indique l'orientation dominante de l'image et elle est organisée en familles (une famille par niveau).
La facturation est un événement plus occasionnel, isolé, sécant à la stratification, souvent visible partiellement et plusieurs familles différentes de fractures peuvent être reconnues sur un même niveau.
Des méthodes de détection automatique des plans de stratifi-cation ont été proposées. Une des méthodes concerne les plans de litage à
haute fréquence et une autre méthode concerne les limites de bancs.
De telles méthodes sont notamment décrites dans la demande de brevet FR-A-2 749 405 et dans des publications telles que celle de S-J. Ye, J.
Shen & N. Keskes (1995), "Automatic Identification of bedding planes from electrical borehole images", 9' Scandinavian Conferences on Image Analysis, 6-9 June; 95, Uppsala, Sweden, et de S-J. Ye, Ph. Rabiller & N.
Keskes (1997), "Automatic High resolution sedimentary dip detection on borehole imagery", SPWLA 38th Annual Logging Symposium, paper O.
Ces méthodes per=mettent de détecter l'hétérogénéité planaire dominante sans être perturbées par les autres hétérogénéités planaires ou ponctuelles.
Dans la plupart des cas, en raison de la grande diversité des faciès rencontrés, la détection automatique des fractures est perturbée par l'interférence des différents types de plans et des autres hétérogénéités.
D'autres méthodes de détection d'hétérogénéités ont été
proposées dans la littérature, comme celles divulguées par J.N. Antoine &
3 PCT/FR98/02705 J.P. Delhomme (1990), "A method to derive dips from bed boundaries in borehole images", paper SPE 20540 52,, p. 131-130 ; par D. Torres, R.
Strickland, & M. Gianzero (1990), "A new approach to determining dip and strike using borehole images", SPWLA 31 th Annual Logging Symposium, June 24-27, K, 20 p ou par J. Hall, M. Ponzi, M. Gonfalini, & G. Maletti (1996), "Automatic extraction and characterisation of geological features and textures from borehole images and core photographs", SIPWLA 37 i Annual Logging Symposium, paper CCC.
La méthode d'Antoine et al. consiste à détecter les plans de lo stratification à partir de contours, appelées lignes de courant (flow lines), repérés sur l'image patin, puis, en respectant certains critères, à apparier les lignes de courant de patin à patin par un algorithme de programmation dynamique. Les lignes de courant sont obtenues à partir d'un traçage des orientations local.es de la stratification dans toute l'image et de la sélection des lignes de courant situées aux points d'inflexion. Cette méthode détecte les moindres détails des lignes de courant dans l'image. Lorsqu'il existe des zones complexes dans lesquelles les hétérogénéités planaires et ponctuelles sont mélangées et comme les images des patins obtenues sont étroites, il s'ensuit une technique complexe présentant de grandes 2 o difficultés de mise en oeuvre. En effet, malgré un algorithme d'appariement de contours bien élaboré, il est difficile d'obtenir des résultats satisfaisants dans les divers environnements géologiques rencontrés et ce, à partir de lignes de courant trop détaillées, à moins de régler de nombreux paramètres en fonction du type de faciès rencontré, ce qui conduirait à un algorithme difficile à utiliser en opérationnel.
La méthode préconisée par Torres et al. consiste à utiliser la transformée de H:OUGH qui permet de déterminer, à partir d'une image, les paramètres spécifiques caractérisant une forme géométrique telle qu'une droite, un cercle, une ellipse ou une sinusoïde, puis à projeter des points de ladite forme dans l'espace des paramètres, appelé espace de HOUGH. Le point d'intersection de ces projections dans l'espace de HOUGH représerite les paramètres de la forme recherchée.
Un inconvénient de cette méthode réside dans le fait que la profondeur de la sinusoïde n'est pas intégrée dans l'espace des paramètres ce qui conduit à une imprécision sur la profondeur et donc à une limitation
Strickland, & M. Gianzero (1990), "A new approach to determining dip and strike using borehole images", SPWLA 31 th Annual Logging Symposium, June 24-27, K, 20 p ou par J. Hall, M. Ponzi, M. Gonfalini, & G. Maletti (1996), "Automatic extraction and characterisation of geological features and textures from borehole images and core photographs", SIPWLA 37 i Annual Logging Symposium, paper CCC.
La méthode d'Antoine et al. consiste à détecter les plans de lo stratification à partir de contours, appelées lignes de courant (flow lines), repérés sur l'image patin, puis, en respectant certains critères, à apparier les lignes de courant de patin à patin par un algorithme de programmation dynamique. Les lignes de courant sont obtenues à partir d'un traçage des orientations local.es de la stratification dans toute l'image et de la sélection des lignes de courant situées aux points d'inflexion. Cette méthode détecte les moindres détails des lignes de courant dans l'image. Lorsqu'il existe des zones complexes dans lesquelles les hétérogénéités planaires et ponctuelles sont mélangées et comme les images des patins obtenues sont étroites, il s'ensuit une technique complexe présentant de grandes 2 o difficultés de mise en oeuvre. En effet, malgré un algorithme d'appariement de contours bien élaboré, il est difficile d'obtenir des résultats satisfaisants dans les divers environnements géologiques rencontrés et ce, à partir de lignes de courant trop détaillées, à moins de régler de nombreux paramètres en fonction du type de faciès rencontré, ce qui conduirait à un algorithme difficile à utiliser en opérationnel.
La méthode préconisée par Torres et al. consiste à utiliser la transformée de H:OUGH qui permet de déterminer, à partir d'une image, les paramètres spécifiques caractérisant une forme géométrique telle qu'une droite, un cercle, une ellipse ou une sinusoïde, puis à projeter des points de ladite forme dans l'espace des paramètres, appelé espace de HOUGH. Le point d'intersection de ces projections dans l'espace de HOUGH représerite les paramètres de la forme recherchée.
Un inconvénient de cette méthode réside dans le fait que la profondeur de la sinusoïde n'est pas intégrée dans l'espace des paramètres ce qui conduit à une imprécision sur la profondeur et donc à une limitation
4 PCT/FR98/02705 de l'amplitude de la sinusoïde à cause de la taille de fenêtre utilisée par Torres et al. ; un autre inconvénient est qu'elle nécessite un temps de calcul et une mérnoire importants, croissant très rapidement en fonction de la dimension de l'espace de HOUGH, c'est-à-dire, du nombre de paramètres reche:rchés.
La méthode préconisée par Hall et al. utilise également la transformée de HOUGH, mais en caractérisant l'espace de HOUGH en trois dimensions qui sont le pendage, l'azimut et la profondeur du plan.
La transformée di: HOUGH est appliquée après une détection des contours io qui est effectuée; soit à partir de l'image binarisée, soit après une classification des pixels voisins. Il faut noter que la binarisation d'une image de niveaux de gris multiples par seuillage implique une grande perte d'information et qu'il serait donc difficile de détecter et de distinguer les contours de contrastes différents dans la fenêtre glissante utilisée.
Les dernières méthodes décrites succinctement ci-dessus cherchent à détecter tous les types de plans par un seul algorithme sans hiérarchisation. Or, les plans qui sont à détecter présentent des caractéristiques très différentes, telles que le contraste, la fréquence, etc.
De ce fait, ces niéthodes ne peuvent être efficacement mises en oeuvre pour détecter, de imanière fiable et sûre, les hétérogénéités de fracturation.
La présente invention a pour but de remédier aux inconvénients des méthodes de Part antérieur et de proposer une méthode qui, prenant en compte les caractéristiques différentes des hétérogénéités de stratification et dle fracturation, permet d'éliminer la stratification de l'image pour mieux visualiser les plans sécants à la stratification afin de faciliter leur détection.
La présente invention a pour objet une méthode de détection automatique des liétérogénéités planaires recoupant la stratification d'un milieu à partir d'images de paroi de puits ou déroulés de carottes dudit milieu, dans laquelle on utilise une image d'origine définie dans un système d'axes (X:,, Y,, Z1) lié au puits, dont l'axe est Z,, ladite image contenant, pour une zone du milieu traversé par le puits, des hétérogénéités planaires constituées par des plans de stratification et par des hétérogénéités planaires sécantes aux plans de stratification, caractérisée en ce qu'elle consiste à:
La méthode préconisée par Hall et al. utilise également la transformée de HOUGH, mais en caractérisant l'espace de HOUGH en trois dimensions qui sont le pendage, l'azimut et la profondeur du plan.
La transformée di: HOUGH est appliquée après une détection des contours io qui est effectuée; soit à partir de l'image binarisée, soit après une classification des pixels voisins. Il faut noter que la binarisation d'une image de niveaux de gris multiples par seuillage implique une grande perte d'information et qu'il serait donc difficile de détecter et de distinguer les contours de contrastes différents dans la fenêtre glissante utilisée.
Les dernières méthodes décrites succinctement ci-dessus cherchent à détecter tous les types de plans par un seul algorithme sans hiérarchisation. Or, les plans qui sont à détecter présentent des caractéristiques très différentes, telles que le contraste, la fréquence, etc.
De ce fait, ces niéthodes ne peuvent être efficacement mises en oeuvre pour détecter, de imanière fiable et sûre, les hétérogénéités de fracturation.
La présente invention a pour but de remédier aux inconvénients des méthodes de Part antérieur et de proposer une méthode qui, prenant en compte les caractéristiques différentes des hétérogénéités de stratification et dle fracturation, permet d'éliminer la stratification de l'image pour mieux visualiser les plans sécants à la stratification afin de faciliter leur détection.
La présente invention a pour objet une méthode de détection automatique des liétérogénéités planaires recoupant la stratification d'un milieu à partir d'images de paroi de puits ou déroulés de carottes dudit milieu, dans laquelle on utilise une image d'origine définie dans un système d'axes (X:,, Y,, Z1) lié au puits, dont l'axe est Z,, ladite image contenant, pour une zone du milieu traversé par le puits, des hétérogénéités planaires constituées par des plans de stratification et par des hétérogénéités planaires sécantes aux plans de stratification, caractérisée en ce qu'elle consiste à:
5 PCT/FR98/02705 - déterminer une orientation dominante des plans de stratification situe's dans au moins une partie de ladite image d'origine, - filtrer l'image d'origine pour éliminer les hétérogénéités planaires des plans de stratification situés dans la direction dominante, - déterminer sur ladite image filtrée au moins des segments de contours des hétérogénéités sécantes aux hétérogénéités planaires de stratification.
Selon une autre caractéristique de la présente invention, la méthode consiste: à calculer les pendages apparents desdits plans de lo stratification et à soumettre lesdits plans de stratification à une rotation amenant leur peindage à la valeur nulle de sorte que lesdits plans de stratification sont perpendiculaires à l'axe (Z, ) du puits, de manière à
obtenir une image résultante dans laquelle les hétérogénéités planaires de stratification sont horizontalisées, Selon une autre caractéristique de la présente invention, le pendage apparent de chaque plan de stratification est calculé à partir du pendage vrai dudit plan de stratification et de la déviation du puits déterminée à l'intersection de l'axe du puits avec ledit plan de stratification.
Selon une autre caractéristique de la présente invention, le filtrage de l'image; résultante est effectué dans le domaine fréquentiel.
Selon une autre caractéristique de la présente invention, le filtrage de l'image résultante utilise un procédé par transformation de Fourier.
Selon une autre caractéristique de la présente invention, la détermination des segments de contour est réalisée sur une image gradient de l'image filtrée.
Selon une autre caractéristique de la présente invention, la détermination des segments de contour est effectuée par un procédé de suivi de ligne de crête par le parcours d'arbre en profondeur d'abord.
Selon une autre caractéristique de la présente invention, l'image filtrée est transformée en une image normalisée présentant un même contraste sur toute la surface.
Selon une autre caractéristique de la présente invention, l'image gradient est obtenue à partir de l'image normalisée.
Selon une autre caractéristique de la présente invention, la méthode consiste: à calculer les pendages apparents desdits plans de lo stratification et à soumettre lesdits plans de stratification à une rotation amenant leur peindage à la valeur nulle de sorte que lesdits plans de stratification sont perpendiculaires à l'axe (Z, ) du puits, de manière à
obtenir une image résultante dans laquelle les hétérogénéités planaires de stratification sont horizontalisées, Selon une autre caractéristique de la présente invention, le pendage apparent de chaque plan de stratification est calculé à partir du pendage vrai dudit plan de stratification et de la déviation du puits déterminée à l'intersection de l'axe du puits avec ledit plan de stratification.
Selon une autre caractéristique de la présente invention, le filtrage de l'image; résultante est effectué dans le domaine fréquentiel.
Selon une autre caractéristique de la présente invention, le filtrage de l'image résultante utilise un procédé par transformation de Fourier.
Selon une autre caractéristique de la présente invention, la détermination des segments de contour est réalisée sur une image gradient de l'image filtrée.
Selon une autre caractéristique de la présente invention, la détermination des segments de contour est effectuée par un procédé de suivi de ligne de crête par le parcours d'arbre en profondeur d'abord.
Selon une autre caractéristique de la présente invention, l'image filtrée est transformée en une image normalisée présentant un même contraste sur toute la surface.
Selon une autre caractéristique de la présente invention, l'image gradient est obtenue à partir de l'image normalisée.
6 PCT/FR98/02705 Selon une autre caractéristique de la présente invention, l'image gradient est lissée dans au moins une de deux directions perpendiculaires.
Selon une autre caractéristique de la présente invention, la détection des coritours est effectuée sur l'image gradient lissée dans les deux directions perpendiculaires.
Selon une autre caractéristique. de la présente invention, elle consiste, en outre, à sélectionner des segments d'une des chaînes de contours qui satisfont à un indice de qualité.
Selon une autre caractéristique de la présente invention, elle io consiste en outre à faire subir à l'image obtenue à l'issue des étapes ultérieures au filtrage de l'image résultante, une rotation pour amener ladite image à sa position primitive.
Un avantage de la présente invention réside dans le fait qu'en différenciant les hétérogénéités planaires de stratification des hétéro-généités planaires de fracturation, il devient possible d'éliminer les hétérogénéités planaires de stratification pour ne conserver que les hétérogénéités planaires de fracturation qui peuvent donc être détectées très facilement.
Un autre avantage de la présente invention est qu'il est possible 2 o de différencier les fractures de polarités différentes.
D'autres avantages et caractéristiques ressortiront mieux à la lecture de la description de la méthode selon l'invention, ainsi que des dessins annexés sur lesquels :
- la figure 1 est une représentation schématique d'une image d'origine de paroi d'un puits ;
- la figure 2 est une représentation schématique d'une image obtenue à partir de l'image d'origine et comportant les plans de stratification horizontalisés ;
- la figiure 3 est une représentation schématique d'une image 3o résultante après filtrage de l'image de la figure 2;
- la figure 4 est une représentation schématique de l'image finale comprenant des segments de contour des fractures détectées.
Une image d'origine I(x,y) de paroi d'un puits de forage ou d'une photographie d'un déroulé de carotte est représentée schémati-quement sur la figure 1. Sur cette image d'origine, on peut observer Wo 99/31530 7 PCT/FR98/02705 plusieurs types de sinusoïdes représentant les intersections de plans avec le puits, tels que des plans correspondant à des couches géologiques situées à
diverses profondeurs dans le milieu dans lequel le puits a été foré ou à
partir duquel une carotte a été prélevée.
Les couches géologiques, à l'époque des dépôts sédimentaires, étaient planes et parallèles et situées chacune dans un plan horizontal. A la suite des mouvements tectoniques de la terre, les mêmes couches géologiques ont été plus ou moins transformées, donnant lieu à des couches plus ou moins pentées dans une certaine direction. Les couches 1o d'argiles qui se sont déposées dans un milieu calme sont sensiblement horizontales. Ainsi, sur une image d'origine, on retrouve principalement d'une part, des plans de stratification qui constituent les hétérogénéités planaires de stratiification qui peuvent être groupées en familles situées à
des profondeurs différentes, et d'autre part, des hétérogénéités planaires sécantes aux plans de stratification.
Les int:ersections des hétérogénéités planaires constituées des plans de stratifical:ion et des plans de fracturation avec le puits foré dans le milieu contenant ces hétérogénéités, se présentent sur l'image de paroi du puits sous la forme de sinusoïdes.
Les sinusoïdes correspondant aux plans de stratification sont parallèles et regroupées en familles. Par exeinple, une famille 1, située dans la partie supérieure de la figure, regroupe les sinusoïdes référencées 2 à 5. Une autre famille 6, située sensiblement au milieu de la figure, regroupe des sinusoïdes correspondant à d'autres plans de stratification et référencées 7 à 9. D'autres sinusoïdes correspondant à d'autres plans de stratification telles que 10, 11, 12, 13, 14 sont également représentées à la partie inférieure de la figure 1. Les sinusoïdes ou parties de sinusoïdes correspondant à des hétérogénéités de fracturation sont également représentées sur la figure 1 et elles sont sécantes aux sinusoïdes correspondant aux plans de stratification. Certaines des sinusoïdes sécantes aux sinusoïdes dites de stratification sont référencées 15 à 23.
Dans urie première étape de la méthode selon l'invention, on détermine l'orientation dominante des plans de stratification détectés dans le puits et apparaissant sur l'image I(x,y) et on calcule les pendages apparents desdits plans de stratification, dans un système d'axes (X,, Y,, Zl) dans lequel lc; puits est repéré, la direction inclinée du puits étant l'axe Z,.
Dans une deuxième étape, on soumet lesdits plans de stratification à une rotation amenant leur pendage à la valeur nulle, de sorte que lesdits lans de stratification sont perpendiculaires à l'axe Zl du puits, de manière à obtenir une image résultante dans laquelle les hétérogénéités planaires de stratification sont horizontalisées. Cette rotation se traduit sur l'image résultante (figure 2) par une transformation des sinusoïdes dites de stratification en des droites sensiblement lo horizontales. C'est ainsi que les sinusoïdes 2 à 5 de l'image d'origine sont repérées sur l'image résultante de la figure 2 par les droites 2' à 5', tandis que les sinusoïdes 7 à 14 sont repérées par les droites 7' à 14'.
Sur l'image résultante de la figure 2, les sinusoïdes corres-pondant aux hétérogénéités de fracturation, bien qu'affectées par la rotation, sont sensiblement inchangées par rapport à celles de l'image d'origine et elles sont représentées avec les mêmes références 15 à 23.
L' horiZontalisation des plans de stratification peut être effectuée par exemple par l''une ou l'autre des deux techniques suivantes :
a) détecter l'orientation dominante de l'image, puis à partir de là, déduire les sinusoïdes des plans de stratification (plans de stratification apparents) et ensuite transformer les sinusoïdes en lignes droites sur l'image.
C'est u:ne solution locale qui ne nécessite pas la connaissance de la déviation du piaits. Cette technique ne permet pas de traiter des zones sourdes, c'est-à-dire sans orientation dominante, et elle est sensible aux erreurs de détection de sinusoïdes de stratification occasionnelles.
b) Détecter l'orientation de l'image et à partir de là, effectuer les opérations successives suivantes :
- déterniination des sinusoïdes des plans de stratification - transformation des plans de stratification apparents en plans de stratification vrais ;
- recherche du plan structural de référence dans le repère géodésique ;
- transformation du plan de référence vrai en plan apparent en considérant la déviation du puits à chaque profondeur ; et enfin - transformation des sinusoïdes de stratification (plans apparents) en lignes droites sur l'image.
C'est iine technique globale et plus performante car elle permet de s'affranchir des problèmes liés aux zones sourdes et aux erreurs de détection de sinu.>oïdes de stratification.
La transformation de plan vrai en plan apparent (respectivement apparent en vrai) est effectuée par une rotation transformant le système d'axes géodésique par rapport auquel le pendage vrai est calculé en le système d'axes F.[, (X,, Y,, Z,) dans lequel Z, est l'axe du puits, XI est 1o l'axe perpendiculaire à l'Est et à l'axe Z,, et Y, est perpendiculaire aux deux axes X, et Z,. Cette transformation peut être réalisée avanta-geusement en passant par un système d'axes intermédiaire H2 (X2, Y,, Z2) dans lequel Z2 est confondu avec Z,, X2 est la direction d'azimut du puits, perpendiculaire à Z2, et Y2 est un axe perpendiculaire à X, et Z2 comme cela est décrit clans la thèse de SHIN-JU YE du 16.01.97 intitulée "Analyse d'imagerie de paroi de puits : détection automatique des hétérogénéités sédimentaires et tectoniques".
Dans une deuxième étape, en considérant que la détermination de l'orientation dominant.e et éventuellement la rotation des plans de stratification sont effectuées dans une première étape, on filtre l'image résultante de la i7gure 2 dans le domaine fréquentiel, par exemple en opérant sur le spectre de fréquences de cette image obtenu par transformée de Fourier de cette dernière, de manière à éliminer de ladite image résultante les hétérogénéités planaires de stratification d'orientation dominante qui sont éventuellement horizontalisées.
La transformée de Fourier permet de passer d'une représentation de l'image dans le doinainP spatial I(x, y) à une représentation dans le domaine fréquentiel r(u, v) dans laquelle on observe les amplil:udes et les orientations des composantes de différentes fréquences de l' image I(x, y). Ensuite, on élimine certaines fréquences distribuées suivant une orientation particulière de l'image, en mettant par exemple à zéro (cas des plans de stratification horizontalisés) les fréquences qu'on veut éliminer. Après une transformée de Fourier rapide (FFT), on effectue un filtrage orienté sur le spectre de Fourier, puis on réalise une transformée de Fourier inverse (FFT") sur le résultat du filtrage, pour produire une image filtrée I' (x, y) dans le domaine spatial.
Ce fillxage peut être schématisé comme suit :
I(x,y)-->FFT-->*H(u,v)-3FFT-1--->I' (x,y) où
0 si v = tg(r - 90 ) H(u>>') = u 1 partout ailleurs r étant l'orientation des éléments à supprimer. On obtient ainsi une image filtrée dans laqiieile toutes les lignes d'orientation r sont éliminées.
L'orientation r des hétérogénéités de stratification horizontalisées est égale io à zéro.
Le résultat du filtrage peut être observé sur la figure 3 qui représente schématiquement l'image filtrée.
De préférence, mais sans que cela soit nécessaire, on effectue une rotation inve:rse à la précédente pour retrouver la géométrie d'origine ou primitive des plans restants. Il faut noter que cette rotation inverse peut être effectuée à n'importe quel moment après le filtrage de l'image résultante, c'est-à-dire après l'une des opérations suivantes.
Dans une troisième étape, on détermine des segments de contour des hétérogénéités planaires sécantes et restantes sur ladite image filtrée.
Cette clétermination de contour ou de segments de contour est effectuée, de préfërence, en réalisant la séquence d'opérations suivante 1. Normalisation dynamique de l'histogramme de l'image filtrée Etant donné que la dynamique et le contraste de l'image filtrée et donc de l'image d'origine peuvent être très variés dans les différents types de lithologies, une normalisation dynamique de l'histogramme de l'image filtrée est effectuée afin d'homogénéiser la visibilité des fractures dans tous les types de lithologies et d'avoir une image présentant un même contraste sur toute la surface de l'image.
A cet effet, une fenêtre glissante est utilisée. Pour chaque profondeur, on effectue une transformation linéaire de l'histogramme y = f(x) où l'étendue du nouvel histogramme [a, b], identique pour chaque profondeur, correspond aux valeurs minimale c, et maximale d, d'un certain pour=centage (96 % par exemple) de l'histogramme d'origine.
De la sorte, ori obtient une image filtrée normalisée qui n'est pas représentée. La normalisation d'une image est bien connue des spécialistes et ne sera donc pas décrite plus en détail.
2. Obtention de l''image gradient (première dérivée) de l'image filtrée Bien que l'image gradient puisse être calculée directement sur l'image filtrée, il est préférable de la calculer sur l'image filtrée 1o normalisée.
Les premières et les deuxièmes dérivées d'une image sont des caractéristiques très importantes ; par exemple, les maxima et les minima de la première dérivée et les passages par zéro de la deuxième dérivée peuvent être utilisés pôur la détection des contours de l'image. Les filtres gaussiens et les filtres exponentiels sont des filtres de lissage très utilisés dans le traitement d'images. Le lissage et le calcul des dérivées de l'image peuvent être réal:isés simultanément par la convolution de l'image, par exemple l'image riormalisée, avec les dérivées du filtre de lissage.
Le filtre exponentiel est considéré comme un filtre optimal pour cet effet. En plus, les filtres exponentiels et leurs dérivées peuvent être réalisés par des algorithmes récursifs très simples et rapides (par une cascade de deux filtres exponentiels d'un seul côté (gauche et droite), chacun étant réalisé par un algorithme récursif du premier ordre).
Chaque filtre exponentiel est une réponse irnpulsionnelle de la forme suivante :
J e(x) =(a/2) ea z En utilisant le théorème de convolution, la réponse impulsionnelle de la cascade de deux filtres exponentiels est alors f(x) =.f.t(x) *.fe(x) =(a2/4)[(I/a)+ 1 x 1 ]e' et la première dérivée de f(x) est f(x) -J e(x)*J e (x) =-(a3/4) x e- ' I X I
Sur l'image filtrée normalisée, on effectue un filtrage de la première dérivée: de l'image suivant la profondeur du puits. Cela permet de lisser l'image gradient et en même temps de renforcer, c'est-à-dire, d'améliorer la visibilité de la fréquence de l'information qui est lo recherchée. Le lissage est d'autant meilleur qu'a est petit. On obtient un résultat satisfaisant avec a=0,3 par exemple. Cette application mono-dimensionnelle permet aussi d'éliminer les artefacts verticaux de l'image de paroi de puits dus à un dysfonctionnement de certains capteurs. On obtient une image gradient lissée dans la direction du puits (axe Z1).
3. Lissage complémentaire de l'image gradient Pour fàciliter la détection de contours dans l'opération suivante, il est avantageux de lisser aussi l'image gradient dans la direction perpendiculaire ;à la profondeur du puits. Etant donné l'étroitesse de l'image patin de paroi de puits, ceci peut être effectué par filtres moyen, 2 o arythmique ou rnédian. Le filtre médian consiste à classer les pixels voisins et le pixel courant par valeurs croissantes (ou décroissantes), puis à affecter la valeiir médiane des pixels classés au pixel courant. On obtient ainsi une autre iinage lissée dans la direction perpendiculaire à l'axe Zl, du puits.
4. Détectionsies contours d'hétérogénéité lap naire Les segments de contour d'hétérogénéités planaires visibles sur l'image gradient (image de la première dérivée) se présentent comme des contours en forrne de toït, c'est-à-dire, que les points des contours sont situés aux maxima ou minima locaux des signaux.
Etant donné que la détection des contours d'hétérogénéité
planaire a pour but de reconstituer les plans traversant le puits, on ne peut se contenter d'extraire seulement des points de contours, mais on extrait plutôt des chaînes de contours dont chaque point s'ordonne sur un même plan. Ceci nécessite des algorithmes de suivi de contours bien élaborés.
Le procédé de suivi de lignes de crête par le parcours d'arbre en profondeur d'abord est conçu exclusivement pour la recherche des contours des plans. Il est capable de détecter les contours de faibles ou de très grandes pentes (sauf verticales), linéaires, zigzags, ou même pointillés (c'est-à-dire, formés par des points isolés mais alignés). Le procédé de suivi de ligne de crêtes par le parcours d'arbre en profondeur d'abord est décrit dans la thi;se de par Madame SHIN-JU YE, pages 49 à 52 ; de même, les filtres exponentiels récursifs sont explicités dans ladite thèse aux pages 45 à 48. Les parties concernées de ladite thèse sont intégrées dans la présente description.
Pour déterminer qu'une chaîne est bien un segment de contour d'hétérogénéité planaire, on utilise des critères quantitatifs de cohérence, à
savoir :
- visibilité : pour qu'un plan soit détectable, il faut qu'il soit visible sur l'image donc qi.i'il ait une forte amplitude, - continuité de visibilité, linéarité et longueur : par rapport à
l'hétérogénéité ponctuelle, la signature d'hétérogénéité planaire doit être visible continuellement, linéaire et suffisamment longue.
Ces criitères permettent d'évaluer pour chaque contour un indice de qualité :
Q=0 VCL
où P est une constante de normalisation, V est la visibilité, C, la continuité
de visibilité, L, la linéarité
Y=A,õp,C=NPV A'p L=s 2 V mD N
où
A=õp est l'amplitude moyenne du segment, NP,, est le nombre de points visibles, un point est visible si son amplitu,je est supérieure à un seuil, SamP, Vamp est la variance de l'amplitude de points du segment, E est I'épaisseur du segment, calculée à partir de la distance maximale entre la droite reliant les deux points d'extrémité du segment. et les points du segment, D(Po, P,) est la distance entre les deux points d'extrémité du segment Po et Pl, N est le inombre de points du segment.
Pour les chaînes ayant une longueur minimale, on effectue un seuillage sur la qualité Q du segment, pour sélectionner des chaînes de fracture dans un ensemble de chaînes détectées. Etant donné que la dynamique de contraste de l'image est normalisée, un même seuil pour la qualité Q suffit pour toute l'image.
Dans la présente méthode, si une chaîne a une qualité Q faible, lo elle est découpée en deux par le point le plus éloigné de la droite joignant les extrémités de la chaîne ; les deux parties sont examinées séparément, et ainsi de suite. Ceci permet de détecter certains segments vus partiellement sur l'image.
Sur la figure 4, on observe le résultat de la détection des segments de contour de plans de fracturation. Les segments en traits pleins tels que les segments 16', 19', 20' ou 23' et les segments en pointillés tels que les segments 15', 17', signifient qu'on est en présence de polarités différentes, correspondant à des minima ou maxima locaux. Les segments en pointillés corr=espondent à des minima locaux alors que les segments 2 o pleins correspondent à des maxima locaux.
En cornparant les figures 3 et 4, on observe que certaines des sinusoïdes de la figure 3 telles que la partie de sinusoïde 19 peuvent correspondre, sur la figure 4, à des segments 19' (en trait plein) et à des segments 19" (en pointillés) qui sont de polarités différentes.
L'horizontalisation des plans de stratification affectant toute l'image et donc li-ls hétérogénéités planaires sécantes à la stratification, il est préférable de: procéder à une rotation inverse pour retrouver la géométrie d'origine des hétérogénéités planaires sécantes à la stratification après l'élimination des stratifications horizontalisées.
Il va de soi que ce qui a été précédemment décrit s'applique également à des images de paroi de puits quel que soit le paramètre mesuré qui les constituent, comme par exemple, susceptibilité magnétique, facteur photoélectrique, densité de la formation, amplitude des réflexions soniques, etc...
Selon une autre caractéristique de la présente invention, la détection des coritours est effectuée sur l'image gradient lissée dans les deux directions perpendiculaires.
Selon une autre caractéristique. de la présente invention, elle consiste, en outre, à sélectionner des segments d'une des chaînes de contours qui satisfont à un indice de qualité.
Selon une autre caractéristique de la présente invention, elle io consiste en outre à faire subir à l'image obtenue à l'issue des étapes ultérieures au filtrage de l'image résultante, une rotation pour amener ladite image à sa position primitive.
Un avantage de la présente invention réside dans le fait qu'en différenciant les hétérogénéités planaires de stratification des hétéro-généités planaires de fracturation, il devient possible d'éliminer les hétérogénéités planaires de stratification pour ne conserver que les hétérogénéités planaires de fracturation qui peuvent donc être détectées très facilement.
Un autre avantage de la présente invention est qu'il est possible 2 o de différencier les fractures de polarités différentes.
D'autres avantages et caractéristiques ressortiront mieux à la lecture de la description de la méthode selon l'invention, ainsi que des dessins annexés sur lesquels :
- la figure 1 est une représentation schématique d'une image d'origine de paroi d'un puits ;
- la figure 2 est une représentation schématique d'une image obtenue à partir de l'image d'origine et comportant les plans de stratification horizontalisés ;
- la figiure 3 est une représentation schématique d'une image 3o résultante après filtrage de l'image de la figure 2;
- la figure 4 est une représentation schématique de l'image finale comprenant des segments de contour des fractures détectées.
Une image d'origine I(x,y) de paroi d'un puits de forage ou d'une photographie d'un déroulé de carotte est représentée schémati-quement sur la figure 1. Sur cette image d'origine, on peut observer Wo 99/31530 7 PCT/FR98/02705 plusieurs types de sinusoïdes représentant les intersections de plans avec le puits, tels que des plans correspondant à des couches géologiques situées à
diverses profondeurs dans le milieu dans lequel le puits a été foré ou à
partir duquel une carotte a été prélevée.
Les couches géologiques, à l'époque des dépôts sédimentaires, étaient planes et parallèles et situées chacune dans un plan horizontal. A la suite des mouvements tectoniques de la terre, les mêmes couches géologiques ont été plus ou moins transformées, donnant lieu à des couches plus ou moins pentées dans une certaine direction. Les couches 1o d'argiles qui se sont déposées dans un milieu calme sont sensiblement horizontales. Ainsi, sur une image d'origine, on retrouve principalement d'une part, des plans de stratification qui constituent les hétérogénéités planaires de stratiification qui peuvent être groupées en familles situées à
des profondeurs différentes, et d'autre part, des hétérogénéités planaires sécantes aux plans de stratification.
Les int:ersections des hétérogénéités planaires constituées des plans de stratifical:ion et des plans de fracturation avec le puits foré dans le milieu contenant ces hétérogénéités, se présentent sur l'image de paroi du puits sous la forme de sinusoïdes.
Les sinusoïdes correspondant aux plans de stratification sont parallèles et regroupées en familles. Par exeinple, une famille 1, située dans la partie supérieure de la figure, regroupe les sinusoïdes référencées 2 à 5. Une autre famille 6, située sensiblement au milieu de la figure, regroupe des sinusoïdes correspondant à d'autres plans de stratification et référencées 7 à 9. D'autres sinusoïdes correspondant à d'autres plans de stratification telles que 10, 11, 12, 13, 14 sont également représentées à la partie inférieure de la figure 1. Les sinusoïdes ou parties de sinusoïdes correspondant à des hétérogénéités de fracturation sont également représentées sur la figure 1 et elles sont sécantes aux sinusoïdes correspondant aux plans de stratification. Certaines des sinusoïdes sécantes aux sinusoïdes dites de stratification sont référencées 15 à 23.
Dans urie première étape de la méthode selon l'invention, on détermine l'orientation dominante des plans de stratification détectés dans le puits et apparaissant sur l'image I(x,y) et on calcule les pendages apparents desdits plans de stratification, dans un système d'axes (X,, Y,, Zl) dans lequel lc; puits est repéré, la direction inclinée du puits étant l'axe Z,.
Dans une deuxième étape, on soumet lesdits plans de stratification à une rotation amenant leur pendage à la valeur nulle, de sorte que lesdits lans de stratification sont perpendiculaires à l'axe Zl du puits, de manière à obtenir une image résultante dans laquelle les hétérogénéités planaires de stratification sont horizontalisées. Cette rotation se traduit sur l'image résultante (figure 2) par une transformation des sinusoïdes dites de stratification en des droites sensiblement lo horizontales. C'est ainsi que les sinusoïdes 2 à 5 de l'image d'origine sont repérées sur l'image résultante de la figure 2 par les droites 2' à 5', tandis que les sinusoïdes 7 à 14 sont repérées par les droites 7' à 14'.
Sur l'image résultante de la figure 2, les sinusoïdes corres-pondant aux hétérogénéités de fracturation, bien qu'affectées par la rotation, sont sensiblement inchangées par rapport à celles de l'image d'origine et elles sont représentées avec les mêmes références 15 à 23.
L' horiZontalisation des plans de stratification peut être effectuée par exemple par l''une ou l'autre des deux techniques suivantes :
a) détecter l'orientation dominante de l'image, puis à partir de là, déduire les sinusoïdes des plans de stratification (plans de stratification apparents) et ensuite transformer les sinusoïdes en lignes droites sur l'image.
C'est u:ne solution locale qui ne nécessite pas la connaissance de la déviation du piaits. Cette technique ne permet pas de traiter des zones sourdes, c'est-à-dire sans orientation dominante, et elle est sensible aux erreurs de détection de sinusoïdes de stratification occasionnelles.
b) Détecter l'orientation de l'image et à partir de là, effectuer les opérations successives suivantes :
- déterniination des sinusoïdes des plans de stratification - transformation des plans de stratification apparents en plans de stratification vrais ;
- recherche du plan structural de référence dans le repère géodésique ;
- transformation du plan de référence vrai en plan apparent en considérant la déviation du puits à chaque profondeur ; et enfin - transformation des sinusoïdes de stratification (plans apparents) en lignes droites sur l'image.
C'est iine technique globale et plus performante car elle permet de s'affranchir des problèmes liés aux zones sourdes et aux erreurs de détection de sinu.>oïdes de stratification.
La transformation de plan vrai en plan apparent (respectivement apparent en vrai) est effectuée par une rotation transformant le système d'axes géodésique par rapport auquel le pendage vrai est calculé en le système d'axes F.[, (X,, Y,, Z,) dans lequel Z, est l'axe du puits, XI est 1o l'axe perpendiculaire à l'Est et à l'axe Z,, et Y, est perpendiculaire aux deux axes X, et Z,. Cette transformation peut être réalisée avanta-geusement en passant par un système d'axes intermédiaire H2 (X2, Y,, Z2) dans lequel Z2 est confondu avec Z,, X2 est la direction d'azimut du puits, perpendiculaire à Z2, et Y2 est un axe perpendiculaire à X, et Z2 comme cela est décrit clans la thèse de SHIN-JU YE du 16.01.97 intitulée "Analyse d'imagerie de paroi de puits : détection automatique des hétérogénéités sédimentaires et tectoniques".
Dans une deuxième étape, en considérant que la détermination de l'orientation dominant.e et éventuellement la rotation des plans de stratification sont effectuées dans une première étape, on filtre l'image résultante de la i7gure 2 dans le domaine fréquentiel, par exemple en opérant sur le spectre de fréquences de cette image obtenu par transformée de Fourier de cette dernière, de manière à éliminer de ladite image résultante les hétérogénéités planaires de stratification d'orientation dominante qui sont éventuellement horizontalisées.
La transformée de Fourier permet de passer d'une représentation de l'image dans le doinainP spatial I(x, y) à une représentation dans le domaine fréquentiel r(u, v) dans laquelle on observe les amplil:udes et les orientations des composantes de différentes fréquences de l' image I(x, y). Ensuite, on élimine certaines fréquences distribuées suivant une orientation particulière de l'image, en mettant par exemple à zéro (cas des plans de stratification horizontalisés) les fréquences qu'on veut éliminer. Après une transformée de Fourier rapide (FFT), on effectue un filtrage orienté sur le spectre de Fourier, puis on réalise une transformée de Fourier inverse (FFT") sur le résultat du filtrage, pour produire une image filtrée I' (x, y) dans le domaine spatial.
Ce fillxage peut être schématisé comme suit :
I(x,y)-->FFT-->*H(u,v)-3FFT-1--->I' (x,y) où
0 si v = tg(r - 90 ) H(u>>') = u 1 partout ailleurs r étant l'orientation des éléments à supprimer. On obtient ainsi une image filtrée dans laqiieile toutes les lignes d'orientation r sont éliminées.
L'orientation r des hétérogénéités de stratification horizontalisées est égale io à zéro.
Le résultat du filtrage peut être observé sur la figure 3 qui représente schématiquement l'image filtrée.
De préférence, mais sans que cela soit nécessaire, on effectue une rotation inve:rse à la précédente pour retrouver la géométrie d'origine ou primitive des plans restants. Il faut noter que cette rotation inverse peut être effectuée à n'importe quel moment après le filtrage de l'image résultante, c'est-à-dire après l'une des opérations suivantes.
Dans une troisième étape, on détermine des segments de contour des hétérogénéités planaires sécantes et restantes sur ladite image filtrée.
Cette clétermination de contour ou de segments de contour est effectuée, de préfërence, en réalisant la séquence d'opérations suivante 1. Normalisation dynamique de l'histogramme de l'image filtrée Etant donné que la dynamique et le contraste de l'image filtrée et donc de l'image d'origine peuvent être très variés dans les différents types de lithologies, une normalisation dynamique de l'histogramme de l'image filtrée est effectuée afin d'homogénéiser la visibilité des fractures dans tous les types de lithologies et d'avoir une image présentant un même contraste sur toute la surface de l'image.
A cet effet, une fenêtre glissante est utilisée. Pour chaque profondeur, on effectue une transformation linéaire de l'histogramme y = f(x) où l'étendue du nouvel histogramme [a, b], identique pour chaque profondeur, correspond aux valeurs minimale c, et maximale d, d'un certain pour=centage (96 % par exemple) de l'histogramme d'origine.
De la sorte, ori obtient une image filtrée normalisée qui n'est pas représentée. La normalisation d'une image est bien connue des spécialistes et ne sera donc pas décrite plus en détail.
2. Obtention de l''image gradient (première dérivée) de l'image filtrée Bien que l'image gradient puisse être calculée directement sur l'image filtrée, il est préférable de la calculer sur l'image filtrée 1o normalisée.
Les premières et les deuxièmes dérivées d'une image sont des caractéristiques très importantes ; par exemple, les maxima et les minima de la première dérivée et les passages par zéro de la deuxième dérivée peuvent être utilisés pôur la détection des contours de l'image. Les filtres gaussiens et les filtres exponentiels sont des filtres de lissage très utilisés dans le traitement d'images. Le lissage et le calcul des dérivées de l'image peuvent être réal:isés simultanément par la convolution de l'image, par exemple l'image riormalisée, avec les dérivées du filtre de lissage.
Le filtre exponentiel est considéré comme un filtre optimal pour cet effet. En plus, les filtres exponentiels et leurs dérivées peuvent être réalisés par des algorithmes récursifs très simples et rapides (par une cascade de deux filtres exponentiels d'un seul côté (gauche et droite), chacun étant réalisé par un algorithme récursif du premier ordre).
Chaque filtre exponentiel est une réponse irnpulsionnelle de la forme suivante :
J e(x) =(a/2) ea z En utilisant le théorème de convolution, la réponse impulsionnelle de la cascade de deux filtres exponentiels est alors f(x) =.f.t(x) *.fe(x) =(a2/4)[(I/a)+ 1 x 1 ]e' et la première dérivée de f(x) est f(x) -J e(x)*J e (x) =-(a3/4) x e- ' I X I
Sur l'image filtrée normalisée, on effectue un filtrage de la première dérivée: de l'image suivant la profondeur du puits. Cela permet de lisser l'image gradient et en même temps de renforcer, c'est-à-dire, d'améliorer la visibilité de la fréquence de l'information qui est lo recherchée. Le lissage est d'autant meilleur qu'a est petit. On obtient un résultat satisfaisant avec a=0,3 par exemple. Cette application mono-dimensionnelle permet aussi d'éliminer les artefacts verticaux de l'image de paroi de puits dus à un dysfonctionnement de certains capteurs. On obtient une image gradient lissée dans la direction du puits (axe Z1).
3. Lissage complémentaire de l'image gradient Pour fàciliter la détection de contours dans l'opération suivante, il est avantageux de lisser aussi l'image gradient dans la direction perpendiculaire ;à la profondeur du puits. Etant donné l'étroitesse de l'image patin de paroi de puits, ceci peut être effectué par filtres moyen, 2 o arythmique ou rnédian. Le filtre médian consiste à classer les pixels voisins et le pixel courant par valeurs croissantes (ou décroissantes), puis à affecter la valeiir médiane des pixels classés au pixel courant. On obtient ainsi une autre iinage lissée dans la direction perpendiculaire à l'axe Zl, du puits.
4. Détectionsies contours d'hétérogénéité lap naire Les segments de contour d'hétérogénéités planaires visibles sur l'image gradient (image de la première dérivée) se présentent comme des contours en forrne de toït, c'est-à-dire, que les points des contours sont situés aux maxima ou minima locaux des signaux.
Etant donné que la détection des contours d'hétérogénéité
planaire a pour but de reconstituer les plans traversant le puits, on ne peut se contenter d'extraire seulement des points de contours, mais on extrait plutôt des chaînes de contours dont chaque point s'ordonne sur un même plan. Ceci nécessite des algorithmes de suivi de contours bien élaborés.
Le procédé de suivi de lignes de crête par le parcours d'arbre en profondeur d'abord est conçu exclusivement pour la recherche des contours des plans. Il est capable de détecter les contours de faibles ou de très grandes pentes (sauf verticales), linéaires, zigzags, ou même pointillés (c'est-à-dire, formés par des points isolés mais alignés). Le procédé de suivi de ligne de crêtes par le parcours d'arbre en profondeur d'abord est décrit dans la thi;se de par Madame SHIN-JU YE, pages 49 à 52 ; de même, les filtres exponentiels récursifs sont explicités dans ladite thèse aux pages 45 à 48. Les parties concernées de ladite thèse sont intégrées dans la présente description.
Pour déterminer qu'une chaîne est bien un segment de contour d'hétérogénéité planaire, on utilise des critères quantitatifs de cohérence, à
savoir :
- visibilité : pour qu'un plan soit détectable, il faut qu'il soit visible sur l'image donc qi.i'il ait une forte amplitude, - continuité de visibilité, linéarité et longueur : par rapport à
l'hétérogénéité ponctuelle, la signature d'hétérogénéité planaire doit être visible continuellement, linéaire et suffisamment longue.
Ces criitères permettent d'évaluer pour chaque contour un indice de qualité :
Q=0 VCL
où P est une constante de normalisation, V est la visibilité, C, la continuité
de visibilité, L, la linéarité
Y=A,õp,C=NPV A'p L=s 2 V mD N
où
A=õp est l'amplitude moyenne du segment, NP,, est le nombre de points visibles, un point est visible si son amplitu,je est supérieure à un seuil, SamP, Vamp est la variance de l'amplitude de points du segment, E est I'épaisseur du segment, calculée à partir de la distance maximale entre la droite reliant les deux points d'extrémité du segment. et les points du segment, D(Po, P,) est la distance entre les deux points d'extrémité du segment Po et Pl, N est le inombre de points du segment.
Pour les chaînes ayant une longueur minimale, on effectue un seuillage sur la qualité Q du segment, pour sélectionner des chaînes de fracture dans un ensemble de chaînes détectées. Etant donné que la dynamique de contraste de l'image est normalisée, un même seuil pour la qualité Q suffit pour toute l'image.
Dans la présente méthode, si une chaîne a une qualité Q faible, lo elle est découpée en deux par le point le plus éloigné de la droite joignant les extrémités de la chaîne ; les deux parties sont examinées séparément, et ainsi de suite. Ceci permet de détecter certains segments vus partiellement sur l'image.
Sur la figure 4, on observe le résultat de la détection des segments de contour de plans de fracturation. Les segments en traits pleins tels que les segments 16', 19', 20' ou 23' et les segments en pointillés tels que les segments 15', 17', signifient qu'on est en présence de polarités différentes, correspondant à des minima ou maxima locaux. Les segments en pointillés corr=espondent à des minima locaux alors que les segments 2 o pleins correspondent à des maxima locaux.
En cornparant les figures 3 et 4, on observe que certaines des sinusoïdes de la figure 3 telles que la partie de sinusoïde 19 peuvent correspondre, sur la figure 4, à des segments 19' (en trait plein) et à des segments 19" (en pointillés) qui sont de polarités différentes.
L'horizontalisation des plans de stratification affectant toute l'image et donc li-ls hétérogénéités planaires sécantes à la stratification, il est préférable de: procéder à une rotation inverse pour retrouver la géométrie d'origine des hétérogénéités planaires sécantes à la stratification après l'élimination des stratifications horizontalisées.
Il va de soi que ce qui a été précédemment décrit s'applique également à des images de paroi de puits quel que soit le paramètre mesuré qui les constituent, comme par exemple, susceptibilité magnétique, facteur photoélectrique, densité de la formation, amplitude des réflexions soniques, etc...
Claims (12)
1. Méthode de détection automatique des hétérogénéités planaires recoupant la stratification l'un milieu à partir d'images de paroi de puits ou déroulés de carottes dudit milieu, dans laquelle on utilise une image d'origine définie dans un système d'axes (X1, Z1) lié au puits dont l'axe est Z1, ladite image contenant, pour une zone du milieu traversé par le puits, des hétérogénéités planaires constituées par des plans de stratification (2 à 14) et par des hétérogénéités planaires (15 à 23) sécantes aux plans de stratification, du type qui. consiste à:
-déterminer une orientation dominante des plans de stratification (2 à
14) situés dans au moins une partie de ladite image l'origine, caractérisée par les étapes consistant à:
-calculer les pendages apparents desdits plans de stratification et à
soumettre lesdits plans de stratification à une rotation amenant leur pendage à la valeur nulle de sorte que lesdits plans de stratification sont perpendiculaires à l'axe (Z1) du puits, de manière à obtenir une image résultante dans laquelle les hétérogénéités planaires de stratification sont horizontalisées, -filtrer l'image d'origine ou l'image résultante pour éliminer les hétérogénéités planaires des plans de stratification (2 à 14) situés dans la direction dominante, pour obtenir une image filtrée horizontalisée, -déterminer sur ladite image filtrée au moins des segments de contour (15' à 23') des hétérogénéités sécantes aux hétérogénéités planaires de stratification.
-déterminer une orientation dominante des plans de stratification (2 à
14) situés dans au moins une partie de ladite image l'origine, caractérisée par les étapes consistant à:
-calculer les pendages apparents desdits plans de stratification et à
soumettre lesdits plans de stratification à une rotation amenant leur pendage à la valeur nulle de sorte que lesdits plans de stratification sont perpendiculaires à l'axe (Z1) du puits, de manière à obtenir une image résultante dans laquelle les hétérogénéités planaires de stratification sont horizontalisées, -filtrer l'image d'origine ou l'image résultante pour éliminer les hétérogénéités planaires des plans de stratification (2 à 14) situés dans la direction dominante, pour obtenir une image filtrée horizontalisée, -déterminer sur ladite image filtrée au moins des segments de contour (15' à 23') des hétérogénéités sécantes aux hétérogénéités planaires de stratification.
2. Méthode selon la revendication 1, caracterisée en ce que le pendage apparent de chaque plan de stratification est calculé à partir du pendage vrai dudit plan de stratification et de la déviation du puits déterminée à l'intersection de l'axe du puits avec ledit plan de stratification.
3. Méthode selon la revendication 1, caractérisée en ce que le filtrage de l'image résultante est effectué dans le domaine fréquentiel.
4. Méthode selon la revendication 1 ou 2, caractérisée en ce que le filtrage de l'image résultante utilise un procédé par transformation de Fourier.
5. Méthode selon la revendication 1, caractérisée en ce que la détermination des segments de contour (15' à 23') est réalisée sur une image gradient de l'image filtrée, faisant apparaître des lignes de crête.
6. Méthode selon la revendication 5, caractérisée en ce que la détermination des segments de contour (15' a 23') est effectuée par un procédé
de suivi de lignes de crête par le parcours d'arbre en profondeur d'abord.
de suivi de lignes de crête par le parcours d'arbre en profondeur d'abord.
7. Méthode selon l'une des revendications 1 à 4, caractérisée en ce que l'image filtrée est transformée en une image normalisée présentant un même contraste sur toute la surface.
8. Méthode selon la revendication 7, caractérisée en ce que l'image gradient est obtenue à partir de l'image normalisée.
9. Méthode selon la revendication 5 ou 8, caractérisée en ce que l'image gradient est lissée dans au moins une de deux directions perpendiculaires (X1, Z1).
10. Méthode selon la revendication 9, caracterisée en ce que la détection des contours est effectuée sur l'image gradient lissée dans les deux directions perpendiculaires (X1, Z1).
11. Méthode selon l'une des revendications 1, 5, 6, 10, caractérisée en ce qu'elle consiste, en outre, à sélectionner des segments de manière à former une chaînes de contours qui satisfont à un indice de qualité.
12. Méthode selon l'une des revendications 1, 5 à 11, caractérisée en ce qu'elle consiste en outre à faire subir a l'image obtenue a l'issue des étapes ultérieures au filtrage de l'image résultante, une rotation pour amener ladite image à
sa position primitive.
sa position primitive.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR9715859A FR2772486B1 (fr) | 1997-12-15 | 1997-12-15 | Methode de detection automatique des heterogeneites planaires recoupant la stratification d'un milieu |
| FR97/15859 | 1997-12-15 | ||
| PCT/FR1998/002705 WO1999031530A1 (fr) | 1997-12-15 | 1998-12-11 | Methode de detection automatique des heterogeneites planaires recoupant la stratification d'un milieu |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CA2279400A1 CA2279400A1 (fr) | 1999-06-24 |
| CA2279400C true CA2279400C (fr) | 2008-02-12 |
Family
ID=9514603
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CA002279400A Expired - Fee Related CA2279400C (fr) | 1997-12-15 | 1998-12-11 | Methode de detection automatique des heterogeneites planaires recoupant la stratification d'un milieu |
Country Status (10)
| Country | Link |
|---|---|
| US (1) | US6266618B1 (fr) |
| EP (1) | EP0960345B1 (fr) |
| CN (1) | CN1247603A (fr) |
| AU (1) | AU751035B2 (fr) |
| CA (1) | CA2279400C (fr) |
| DE (1) | DE69823170D1 (fr) |
| FR (1) | FR2772486B1 (fr) |
| NO (1) | NO328937B1 (fr) |
| OA (1) | OA11145A (fr) |
| WO (1) | WO1999031530A1 (fr) |
Families Citing this family (43)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08263438A (ja) * | 1994-11-23 | 1996-10-11 | Xerox Corp | ディジタルワークの配給及び使用制御システム並びにディジタルワークへのアクセス制御方法 |
| US6963859B2 (en) * | 1994-11-23 | 2005-11-08 | Contentguard Holdings, Inc. | Content rendering repository |
| US20050149450A1 (en) * | 1994-11-23 | 2005-07-07 | Contentguard Holdings, Inc. | System, method, and device for controlling distribution and use of digital works based on a usage rights grammar |
| US6233684B1 (en) * | 1997-02-28 | 2001-05-15 | Contenaguard Holdings, Inc. | System for controlling the distribution and use of rendered digital works through watermaking |
| US6226595B1 (en) | 1998-03-16 | 2001-05-01 | Schlumberger Technology Corporation | Method and apparatus using multi-target tracking to analyze borehole images and produce sets of tracks and dip data |
| JP4323663B2 (ja) * | 2000-02-29 | 2009-09-02 | キヤノン株式会社 | 画像フィルタ回路及び画像フィルタリング方法 |
| MY123577A (en) * | 2000-05-02 | 2006-05-31 | Shell Int Research | Borehole imaging |
| NZ505784A (en) | 2000-07-17 | 2003-04-29 | Compudigm Int Ltd | A data visualisation system producing a contoured graphical representation of call centre activity |
| US6931545B1 (en) * | 2000-08-28 | 2005-08-16 | Contentguard Holdings, Inc. | Systems and methods for integrity certification and verification of content consumption environments |
| US20030196109A1 (en) | 2000-08-28 | 2003-10-16 | Contentguard Holdings, Inc. | Method and apparatus for content transaction aggregation |
| US7343324B2 (en) | 2000-11-03 | 2008-03-11 | Contentguard Holdings Inc. | Method, system, and computer readable medium for automatically publishing content |
| US6912294B2 (en) * | 2000-12-29 | 2005-06-28 | Contentguard Holdings, Inc. | Multi-stage watermarking process and system |
| US20030220880A1 (en) * | 2002-01-17 | 2003-11-27 | Contentguard Holdings, Inc. | Networked services licensing system and method |
| US6754642B2 (en) | 2001-05-31 | 2004-06-22 | Contentguard Holdings, Inc. | Method and apparatus for dynamically assigning usage rights to digital works |
| US7028009B2 (en) * | 2001-01-17 | 2006-04-11 | Contentguardiholdings, Inc. | Method and apparatus for distributing enforceable property rights |
| US20030043852A1 (en) * | 2001-05-18 | 2003-03-06 | Bijan Tadayon | Method and apparatus for verifying data integrity based on data compression parameters |
| US7725401B2 (en) | 2001-05-31 | 2010-05-25 | Contentguard Holdings, Inc. | Method and apparatus for establishing usage rights for digital content to be created in the future |
| US8275716B2 (en) | 2001-05-31 | 2012-09-25 | Contentguard Holdings, Inc. | Method and system for subscription digital rights management |
| US6895503B2 (en) * | 2001-05-31 | 2005-05-17 | Contentguard Holdings, Inc. | Method and apparatus for hierarchical assignment of rights to documents and documents having such rights |
| US7222104B2 (en) * | 2001-05-31 | 2007-05-22 | Contentguard Holdings, Inc. | Method and apparatus for transferring usage rights and digital work having transferrable usage rights |
| US7152046B2 (en) * | 2001-05-31 | 2006-12-19 | Contentguard Holdings, Inc. | Method and apparatus for tracking status of resource in a system for managing use of the resources |
| US6973445B2 (en) * | 2001-05-31 | 2005-12-06 | Contentguard Holdings, Inc. | Demarcated digital content and method for creating and processing demarcated digital works |
| US8275709B2 (en) | 2001-05-31 | 2012-09-25 | Contentguard Holdings, Inc. | Digital rights management of content when content is a future live event |
| US6876984B2 (en) * | 2001-05-31 | 2005-04-05 | Contentguard Holdings, Inc. | Method and apparatus for establishing usage rights for digital content to be created in the future |
| US7774280B2 (en) * | 2001-06-07 | 2010-08-10 | Contentguard Holdings, Inc. | System and method for managing transfer of rights using shared state variables |
| DE602004015297D1 (de) * | 2004-10-26 | 2008-09-04 | Total Sa | Verfahren und Computerprogramm zur Fehleroberflächenkonstruktion |
| US7438078B2 (en) * | 2005-08-05 | 2008-10-21 | Peter Woodruff | Sleeping bag and system |
| JP2009027525A (ja) * | 2007-07-20 | 2009-02-05 | Nec Corp | 光伝送システムおよび光伝送方法 |
| EP2031423B1 (fr) * | 2007-08-31 | 2013-05-15 | Services Pétroliers Schlumberger | Identification de propriétés géologiques dans une image d'une formation souterraine entourant un trou de forage |
| FR2928959B1 (fr) * | 2008-03-21 | 2010-03-12 | Inst Francais Du Petrole | Procede d'estimation de la densite de fractures dans un milieu rocheux |
| US20100027974A1 (en) * | 2008-07-31 | 2010-02-04 | Level 3 Communications, Inc. | Self Configuring Media Player Control |
| US10302811B2 (en) * | 2008-08-21 | 2019-05-28 | Weatherford Technology Holdings, Llc | Data reduction of images measured in a borehole |
| EP2478465A4 (fr) * | 2009-09-14 | 2015-05-06 | Task Fronterra Geoscience Inc | Procédé pour interpréter des plans naturels de fracture et de défaut d'immersion identifiés à partir d'images du trou de forage |
| US8886503B2 (en) | 2011-04-19 | 2014-11-11 | Schlumberger Technology Corporation | Discontinuity detection |
| JP5854802B2 (ja) * | 2011-12-01 | 2016-02-09 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びコンピュータプログラム |
| EP2700983A1 (fr) * | 2012-02-14 | 2014-02-26 | Services Pétroliers Schlumberger | Systèmes et procédés pour calculer la surface d'une fracture en fonction du volume de roche |
| US9542507B2 (en) | 2012-02-23 | 2017-01-10 | Schlumberger Technology Corporation | Feature detection in seismic volumes |
| WO2015053876A1 (fr) | 2013-10-08 | 2015-04-16 | Exxonmobil Upstream Research Company | Choix automatique de pendage à partir d'enregistrements d'images azimutales de puits de forage |
| US9311720B2 (en) * | 2013-11-26 | 2016-04-12 | Saudi Arabian Oil Company | Automated saw cut correction for 3D core digital modeling from computerized tomography scanner (CTS) images |
| CN107144572A (zh) * | 2017-05-26 | 2017-09-08 | 太原科技大学 | 灰度图像中裂缝自动识别和检测方法 |
| US10947841B2 (en) | 2018-01-30 | 2021-03-16 | Baker Hughes, A Ge Company, Llc | Method to compute density of fractures from image logs |
| CN109389128B (zh) * | 2018-08-24 | 2021-08-27 | 中国石油天然气股份有限公司 | 电成像测井图像特征自动提取方法及装置 |
| AU2019367605A1 (en) | 2018-10-25 | 2021-03-11 | Chevron U.S.A. Inc. | System and method for quantitative analysis of borehole images |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4414656A (en) * | 1980-04-15 | 1983-11-08 | Schlumberger Technology Corporation | Well logging system for mapping structural and sedimentary dips of underground earth formations |
| US4791618A (en) * | 1981-08-24 | 1988-12-13 | Schlumberger Technology Corporation | Well logging method and system for detecting structural and stratigraphic geological make-up of subsurface formations |
| US5038378A (en) * | 1985-04-26 | 1991-08-06 | Schlumberger Technology Corporation | Method and apparatus for smoothing measurements and detecting boundaries of features |
| US5162994A (en) * | 1990-06-19 | 1992-11-10 | Halliburton Logging Services, Inc. | Method for determining dip and strike angles in borehole ultrasonic scanning tool data |
| US5299128A (en) * | 1990-10-05 | 1994-03-29 | Schlumberger Technology Corporation | Method and apparatus for delineating bed boundaries in subsurface formations and for producing indications of the angle of dip thereof |
| FR2725794B1 (fr) * | 1994-10-18 | 1997-01-24 | Inst Francais Du Petrole | Methode pour modeliser la distribution spatiale d'objets geometriques dans un milieu, tels que des failles dans une formation geologique |
-
1997
- 1997-12-15 FR FR9715859A patent/FR2772486B1/fr not_active Expired - Fee Related
-
1998
- 1998-12-11 US US09/367,161 patent/US6266618B1/en not_active Expired - Lifetime
- 1998-12-11 AU AU15679/99A patent/AU751035B2/en not_active Ceased
- 1998-12-11 DE DE69823170T patent/DE69823170D1/de not_active Expired - Lifetime
- 1998-12-11 WO PCT/FR1998/002705 patent/WO1999031530A1/fr active IP Right Grant
- 1998-12-11 EP EP98959967A patent/EP0960345B1/fr not_active Expired - Lifetime
- 1998-12-11 CN CN98802561.2A patent/CN1247603A/zh active Pending
- 1998-12-11 CA CA002279400A patent/CA2279400C/fr not_active Expired - Fee Related
-
1999
- 1999-07-29 NO NO19993707A patent/NO328937B1/no not_active IP Right Cessation
- 1999-08-13 OA OA9900178A patent/OA11145A/en unknown
Also Published As
| Publication number | Publication date |
|---|---|
| EP0960345A1 (fr) | 1999-12-01 |
| OA11145A (en) | 2003-04-17 |
| FR2772486B1 (fr) | 2000-01-07 |
| CA2279400A1 (fr) | 1999-06-24 |
| WO1999031530A1 (fr) | 1999-06-24 |
| DE69823170D1 (de) | 2004-05-19 |
| US6266618B1 (en) | 2001-07-24 |
| EP0960345B1 (fr) | 2004-04-14 |
| AU751035B2 (en) | 2002-08-08 |
| CN1247603A (zh) | 2000-03-15 |
| AU1567999A (en) | 1999-07-05 |
| NO993707L (no) | 1999-10-11 |
| NO328937B1 (no) | 2010-06-21 |
| NO993707D0 (no) | 1999-07-29 |
| FR2772486A1 (fr) | 1999-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2279400C (fr) | Methode de detection automatique des heterogeneites planaires recoupant la stratification d'un milieu | |
| EP0842443B1 (fr) | Methode de determination automatique des bancs de stratification dans un milieu | |
| Zhao et al. | A fault detection workflow using deep learning and image processing | |
| Di et al. | Seismic stratigraphy interpretation by deep convolutional neural networks: A semisupervised workflow | |
| Di et al. | Improving seismic fault detection by super-attribute-based classification | |
| US11378710B2 (en) | Fault detection based on seismic data interpretation | |
| Assous et al. | Automated detection of planar geologic features in borehole images | |
| FR2855272A1 (fr) | Appareil et procede de resistivite electromagnetique directionnelle | |
| CA2245128C (fr) | Methode statistique de classement d'evenements lies aux proprietes physiques d'un milieu complexe tel que le sous-sol | |
| MacGregor et al. | Controlled-source electromagnetic imaging on the Nuggets-1 reservoir | |
| FR2753802A1 (fr) | Interpretation de couches superieures de formation | |
| Wang et al. | Fault detection in seismic datasets using hough transform | |
| Jesus et al. | Multiattribute framework analysis for the identification of carbonate mounds in the Brazilian presalt zone | |
| Mahadik et al. | Fault detection and optimization in seismic dataset using multiscale fusion of a geometric attribute | |
| CA2456596C (fr) | Methode pour mesurer les similarites locales entre plusieurs cubes de traces sismiques | |
| Koyan et al. | 3D ground-penetrating radar attributes to generate classified facies models: A case study from a dune island | |
| Zhao et al. | A Comprehensive Horizon‐Picking Method on Subbottom Profiles by Combining Envelope, Phase Attributes, and Texture Analysis | |
| Costabel et al. | Torus-nuclear magnetic resonance: Quasicontinuous airborne magnetic resonance profiling by using a helium-filled balloon | |
| Teran et al. | High-Resolution Facies Prediction by Means of Integrating Dip Quality Index and Texture Analysis from Resistivity Borehole Images Logs in a Pre-Salt Complex Carbonate Reservoir Located in a Brazilian Field | |
| Wedge et al. | Fast and objective detection and analysis of structures in downhole images | |
| You et al. | Automatic facies classification from acoustic image logs using deep neural networks | |
| Ricciuti et al. | Unsupervised recognition of textural facies in borehole images: a novel and efficient two-stage segmentation method | |
| Zhang et al. | An automatic method for core orientation based on planar geologic features in drill-core scans and microresistivity images | |
| Galli et al. | A novel two-stage segmentation technique for unsupervised textural facies recognition | |
| You et al. | Enhancing Automatic Facies Classification of Brazilian Pre-salt Acoustic Image Logs with SwinV2-Unet: Leveraging Transfer Learning and Confident Learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| EEER | Examination request | ||
| MKLA | Lapsed |
Effective date: 20161212 |